买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉重庆师范大学申请的专利一种用于集装箱翻箱的多解码器动态注意力模型获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118965953B 。

龙图腾网通过国家知识产权局官网在2025-07-15发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410935787.4，技术领域涉及：G06F30/27；该发明授权一种用于集装箱翻箱的多解码器动态注意力模型是由杨有;马继新;向若愚;陈雁翎;李一峰;张新功;刘学文设计研发完成，并于2024-07-12向国家知识产权局提交的专利申请。

本一种用于集装箱翻箱的多解码器动态注意力模型在说明书摘要公布了：本发明涉及装箱翻箱技术领域，具体涉及一种用于集装箱翻箱的多解码器动态注意力模型，包括基于Transformer架构设计包含特征增强的多解码器动态注意力模型；基于贪婪基线的强化学习算法对多解码器动态注意力模型进行训练：输入一个贝位构造，通过特征增强器提取集装箱堆栈语义，形成包含栈间语义的贝位构造；使用已训练的所述多解码器动态注意力模型，预测输入贝位的翻箱操作序列，该方法设计了一个堆栈特征增强器来增强输入的贝位构造信息，帮助编码器捕获堆栈之间的关系，解码器动态注意力模型训练多个构建策略，以增加输出的多样性，在训练过程中，每个解码器学习不同的解模式，并通过散度损失进行正则化，以强制解码器输出不同的概率分布。

本发明授权一种用于集装箱翻箱的多解码器动态注意力模型在权利要求书中公布了：1.一种用于集装箱翻箱的多解码器动态注意力模型，其特征在于，包括以下步骤： 基于Transformer架构设计包含特征增强的多解码器动态注意力模型； 基于贪婪基线的强化学习算法对所述多解码器动态注意力模型进行训练； 输入一个贝位构造，通过特征增强器提取集装箱堆栈语义，形成包含栈间语义的贝位构造； 使用已训练的所述多解码器动态注意力模型，预测输入贝位的翻箱操作序列； 所述基于Transformer架构设计包含特征增强的多解码器动态注意力模型包括设计特增强器、编码器和解码器； 所述设计特增强器的具体方式： 基于Transformer架构、启发式规则和人工经验定义五个表示栈间语义的原始特征； 基于输入贝位构造，计算五个所述原始特征，并表示为矩阵形式，得到栈间语义特征矩阵； 将贝位构造矩阵和所述栈间语义特征矩阵进行连接，形成包含栈间语义的贝位构造矩阵； 其中，基于Transformer架构、启发式规则和人工经验定义五个表示栈间语义的原始特征的具体方式为： 基于启发式规则和人工经验，定义五个表示栈间语义的原始特征；这五个特征是：当前堆栈的高度百分比；堆栈的空位数量百分比；堆栈优先级；目标集装箱的优先级；堆栈中无序堆叠的数量； 其中，当前堆栈的高度百分比为1T,2T,…,1； 其中，基于输入贝位构造，计算五个所述原始特征，并表示为矩阵形式，得到栈间语义特征矩阵的具体方式为： 根据输入贝位构造，计算五个栈间语义特征，并表示为矩阵形式；矩阵的行具有5个分量，每个分量对应一个栈间语义特征值； 所述设计特编码器的具体方式： 将所述特增强器的输出输入长短期记忆网络，形成Transformer所需的初始嵌入； 将所述长短期记忆网络的输出输入Transformer的编码端，通过自注意力机制和残差连接，提取贝位构造的全局语义特征； 其中，基于贪婪基线的强化学习算法对所述多解码器动态注意力模型进行训练的具体包括： 多个解码器中的每个解码器输出不同的概率分布，独立采样一个解决方案以获得单独的强化学习损失： 其中为解决方案的序列长度，即总翻箱次数；bX为基线策略的确定性贪婪rollout的总翻箱次数；模型的参数θ使用REINFORCE算法通过梯度下降法更新： 其中表示REINFORCE损失梯度，是解码器输出概率分布之间的KL散度的梯度，kKL是KLloss的系数，kKL前面为负是因为我们希望最大化解码器之间的多样性； 其中，输入一个贝位构造，通过特征增强器提取集装箱堆栈语义，形成包含栈间语义的贝位构造的具体包括： 所述特征增强器提取贝位构造的栈间语义，该语义由S×5的矩阵表达，矩阵的每行代表某栈的语义特征：堆栈高度百分比、堆栈空位数量百分比、堆栈优先级、目标集装箱的优先级和堆栈中无序堆叠的数量，其中S和T分别表示贝位构造中的栈数量和层高限制； S×T的贝位构造，与S×5的栈间语义特征进行连接操作，输出S×T+5的贝位构造； 其中，使用已训练的所述多解码器动态注意力模型，预测输入贝位的翻箱操作序列的具体包括： 使用已训练的MDDAM预测翻箱操作序列；对于新输入的一个贝位构造，MDDAM逐一处理每个集装箱，对于需要翻箱的集装箱预测其翻箱操作πi，直到贝位构造中所有集装箱处理完毕，MDDAM输出该贝位的翻箱操作序列π。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人重庆师范大学，其通讯地址为：401331 重庆市沙坪坝区大学城中路37号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。